Buchumschlag

Speaker Tagging Correction With Non-Autoregressive Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kirakosyan, Grigor, Karamyan, Davit
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Artificial Intelligence Machine Learning Audio and Speech Processing 68T01 General topics in artificial intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ERASMO: Leveraging Large Language Models for Enhanced Clustering Segmentation
von: Silva, Fillipe dos Santos, et al.
Veröffentlicht: (2024)

Validation Requirements for AI-based Intervention-Evaluation in Aging and Longevity Research and Practice
von: Fuellen, Georg, et al.
Veröffentlicht: (2024)

Radial Neighborhood Smoothing Recommender System
von: Zhang, Zerui, et al.
Veröffentlicht: (2025)

An Outlook on the Opportunities and Challenges of Multi-Agent AI Systems
von: Tian, Fangqiao, et al.
Veröffentlicht: (2025)

Large Language Model Based Generative Error Correction: A Challenge and Baselines for Speech Recognition, Speaker Tagging, and Emotion Recognition
von: Yang, Chao-Han Huck, et al.
Veröffentlicht: (2024)

CFAE Framework Specification — ABO (Archetypal Behavior Ontology): Predictive Priors & Active Inference Seeding Layer - version: v0.1
von: Brown, Cameron
Veröffentlicht: (2026)

Autonomous Agency and Persistent Intent Architecture Specification v0.1
von: Brown, Cameron
Veröffentlicht: (2026)

DQEP Verification Runtime Specification v0.2
von: Brown, Cameron
Veröffentlicht: (2026)

Recursive Ontological Emergence and Synthetic Consciousness Ecology Specification v0.1
von: Brown, Cameron
Veröffentlicht: (2026)

SEAL: Speaker Error Correction using Acoustic-conditioned Large Language Models
von: Kumar, Anurag, et al.
Veröffentlicht: (2025)

AG-LSEC: Audio Grounded Lexical Speaker Error Correction
von: Paturi, Rohit, et al.
Veröffentlicht: (2024)

Speakers Unembedded: Embedding-free Approach to Long-form Neural Diarization
von: Li, Xiang, et al.
Veröffentlicht: (2024)

DiTAR: Diffusion Transformer Autoregressive Modeling for Speech Generation
von: Jia, Dongya, et al.
Veröffentlicht: (2025)

GenTSE: Enhancing Target Speaker Extraction via a Coarse-to-Fine Generative Language Model
von: Li, Haoyang, et al.
Veröffentlicht: (2025)

Whole-Song Hierarchical Generation of Symbolic Music Using Cascaded Diffusion Models
von: Wang, Ziyu, et al.
Veröffentlicht: (2024)

Generative Speech Recognition Error Correction with Large Language Models and Task-Activating Prompting
von: Yang, Chao-Han Huck, et al.
Veröffentlicht: (2023)

Autoregressive Diffusion Transformer for Text-to-Speech Synthesis
von: Liu, Zhijun, et al.
Veröffentlicht: (2024)

Rethinking Entropy Minimization in Test-Time Adaptation for Autoregressive Models
von: Huang, Wei-Ping, et al.
Veröffentlicht: (2026)

ASR-Synchronized Speaker-Role Diarization
von: Ghosh, Arindam, et al.
Veröffentlicht: (2025)

Semantically Corrected Amharic Automatic Speech Recognition
von: Adnew, Samuael, et al.
Veröffentlicht: (2024)

Speaker- and Text-Independent Estimation of Articulatory Movements and Phoneme Alignments from Speech
von: Weise, Tobias, et al.
Veröffentlicht: (2024)

Comparative Analysis of Audio Feature Extraction for Real-Time Talking Portrait Synthesis
von: Salehi, Pegah, et al.
Veröffentlicht: (2024)

Instruction Data Generation and Unsupervised Adaptation for Speech Language Models
von: Noroozi, Vahid, et al.
Veröffentlicht: (2024)

Masked Audio Generation using a Single Non-Autoregressive Transformer
von: Ziv, Alon, et al.
Veröffentlicht: (2024)

TIMIT Speaker Profiling: A Comparison of Multi-task learning and Single-task learning Approaches
von: Wang, Rong, et al.
Veröffentlicht: (2024)

Beyond Hearing: Learning Task-Agnostic ExG Representations from Earphones via Physiology-Informed Tokenization
von: Yoon, Hyungjun, et al.
Veröffentlicht: (2025)

SpeechPrompt: Prompting Speech Language Models for Speech Processing Tasks
von: Chang, Kai-Wei, et al.
Veröffentlicht: (2024)

Integrating Pre-Trained Speech and Language Models for End-to-End Speech Recognition
von: Hono, Yukiya, et al.
Veröffentlicht: (2023)

Improving Acoustic Side-Channel Attacks on Keyboards Using Transformers and Large Language Models
von: Park, Jin Hyun, et al.
Veröffentlicht: (2025)

Evaluating the Effectiveness of Transformer Layers in Wav2Vec 2.0, XLS-R, and Whisper for Speaker Identification Tasks
von: Stuhlmann, Linus, et al.
Veröffentlicht: (2025)

HYVE: Hybrid Views for LLM Context Engineering over Machine Data
von: Tan, Jian, et al.
Veröffentlicht: (2026)

Spoken Language Intelligence of Large Language Models for Language Learning
von: Peng, Linkai, et al.
Veröffentlicht: (2023)

FastAST: Accelerating Audio Spectrogram Transformer via Token Merging and Cross-Model Knowledge Distillation
von: Behera, Swarup Ranjan, et al.
Veröffentlicht: (2024)

What Do Language Models Hear? Probing for Auditory Representations in Language Models
von: Ngo, Jerry, et al.
Veröffentlicht: (2024)

Personalized Speech Enhancement Without a Separate Speaker Embedding Model
von: Pärnamaa, Tanel, et al.
Veröffentlicht: (2024)

Continuous Autoregressive Models with Noise Augmentation Avoid Error Accumulation
von: Pasini, Marco, et al.
Veröffentlicht: (2024)

NeKo: Cross-Modality Post-Recognition Error Correction with Tasks-Guided Mixture-of-Experts Language Model
von: Lin, Yen-Ting, et al.
Veröffentlicht: (2024)

Simultaneous Interpretation Corpus Construction by Large Language Models in Distant Language Pair
von: Sakai, Yusuke, et al.
Veröffentlicht: (2024)

Towards Signal Processing In Large Language Models
von: Verma, Prateek, et al.
Veröffentlicht: (2024)

SpeakerLLM: A Speaker-Specialized Audio-LLM for Speaker Understanding and Verification Reasoning
von: Nam, KiHyun, et al.
Veröffentlicht: (2026)